Hukum Okun: hubungan pertumbuhan PDB dan pengangguran

Ketika produksi meningkat, bisnis sering membutuhkan lebih banyak jam kerja atau pekerja; ketika produksi turun, kebutuhan tenaga kerja dapat melemah. Hukum Okun merangkum kecenderungan statistik bahwa output yang tumbuh lebih cepat biasanya berjalan bersama perubahan pengangguran yang lebih kecil atau penurunan tingkat pengangguran. Nama ini merujuk pada ekonom Arthur Okun. Pada 1962 ia membandingkan pertumbuhan output riil dengan perubahan tingkat pengangguran, dan juga menelaah selisih antara output aktual dan potensial serta antara pengangguran aktual dan tingkat acuannya. Jadi, sejak awal gagasannya memiliki beberapa bentuk pengukuran, bukan satu rumus universal. {source:frbStLouisOutputUnemployment2013}

Istilah “hukum” dapat menyesatkan jika dibaca sebagai aturan alam. Penelitian Okun adalah hubungan empiris: garis statistik yang merangkum bagaimana dua ukuran bergerak bersama dalam data tertentu. Itu sesuai dengan intuisi bahwa ekonomi yang menghasilkan lebih sedikit barang dan jasa biasanya memiliki permintaan tenaga kerja yang lebih lemah, tetapi tidak membuktikan bahwa setiap perubahan output sendirian menyebabkan satu perubahan pengangguran tertentu. Hubungan itu paling banyak memberi titik awal untuk bertanya, bukan jawaban otomatis.

Bentuk pertumbuhan membandingkan laju pertumbuhan PDB riil dengan perubahan tingkat pengangguran dalam interval yang sama. Secara ringkas, model dapat ditulis sebagai perubahan pengangguran = konstanta − β × pertumbuhan PDB riil + galat. Bila β positif, pertumbuhan output yang lebih tinggi berkaitan dengan perubahan pengangguran yang lebih rendah, dengan faktor lain tetap. Satuan β biasanya berupa poin persentase perubahan pengangguran untuk setiap satu poin persentase pertumbuhan output. Periksa apakah pertumbuhan kuartalan dinyatakan tahunan, dan apakah perubahan pengangguran diukur dalam poin persentase.

Bentuk kesenjangan membandingkan output aktual dengan estimasi output potensial serta pengangguran aktual dengan estimasi tingkat acuan. Kesenjangan output yang positif berarti output berada di atas estimasi potensial; kesenjangan pengangguran adalah tingkat aktual dikurangi tingkat acuan. Satu versi dapat ditulis sebagai kesenjangan pengangguran = −β × kesenjangan output + faktor lain. Potensial dan tingkat acuan tidak teramati secara langsung. Federal Reserve menjelaskan bahwa kesenjangan output bergantung pada estimasi jalur produksi berkelanjutan, yang dapat berubah menurut metode dan asumsi. {source:frbMishkinPotentialOutput2007}

Koefisien pada dua bentuk ini tidak boleh dipertukarkan begitu saja. Persamaan pertumbuhan memetakan pertumbuhan selama suatu periode ke perubahan pengangguran selama periode itu; persamaan kesenjangan menghubungkan dua deviasi dari nilai acuan. Variabel, horizon, satuan, dan metode estimasinya berbeda. Angka dari satu bentuk tidak langsung memberi jawaban untuk bentuk lain, apalagi untuk negara atau masa yang berbeda.

Misalkan, hanya untuk menunjukkan hitungannya, kesenjangan output adalah +2%. Artinya output aktual dalam contoh berada 2% di atas output potensial yang diasumsikan. Tetapkan koefisien rekaan β sebesar 0,5 poin persentase kesenjangan pengangguran untuk setiap kenaikan 1 poin persentase kesenjangan output. Maka kesenjangan pengangguran model adalah −0,5 × 2 = −1 poin persentase. Jika tingkat pengangguran acuan yang juga rekaan adalah 5%, ilustrasi model memberi tingkat 4%: 5% − 1 poin persentase.

Semua angka itu dibuat untuk menjelaskan tanda dan satuan, bukan hasil riset, rata-rata empiris, data terkini, atau ramalan. Kesenjangan output +2% bukan berarti output bertumbuh 2% selama periode tersebut; itu berarti level output lebih tinggi 2% daripada perkiraan potensial. Selisih 5% ke 4% adalah 1 poin persentase, sementara penurunan relatif tingkat pengangguran dari 5% menjadi 4% adalah 20%. Persen mengukur bagian relatif; poin persentase membandingkan dua angka persentase.

Output bergantung pada jumlah pekerja, jam kerja, dan produktivitas. Jika pekerja yang sama menghasilkan lebih banyak per jam, PDB riil dapat naik tanpa perekrutan yang sebanding. Sebaliknya, perusahaan dapat mempertahankan pekerja dan memangkas jam saat permintaan melemah. Perusahaan kadang tetap mempertahankan pekerja terlatih selama penurunan sambil menunggu permintaan pulih; praktik ini disebut mempertahankan tenaga kerja (labor hoarding). Karena itu, output, jumlah pekerjaan, dan jam kerja dapat bergerak dengan kecepatan berbeda.

Perubahan komposisi industri juga penting: manufaktur, jasa, dan sektor energi memiliki pola jam, produktivitas, dan perekrutan yang berbeda. Selain itu, seseorang yang masuk atau keluar dari angkatan kerja dapat mengubah tingkat pengangguran tanpa perubahan produksi yang sebanding. Dalam pengukuran BLS di Amerika Serikat, seseorang umumnya dihitung menganggur bila tidak memiliki pekerjaan, aktif mencari pekerjaan, dan tersedia; mereka yang tidak memenuhi definisi angkatan kerja berada di luar pembilang dan penyebut tingkat resmi. Definisi negara lain dapat berbeda. {source:blsCpsConcepts} {source:blsGovernmentMeasuresUnemployment}

Pengalaman 2009 menunjukkan mengapa produktivitas perlu diperiksa. Kajian Federal Reserve Bank of San Francisco menelaah masa ketika perusahaan mampu mempertahankan output relatif stabil sementara jumlah pekerja turun; kenaikan produktivitas menjadi salah satu penjelasan penting untuk penyimpangan dari hubungan yang diperkirakan. Itu adalah analisis atas episode khusus di Amerika Serikat, bukan bukti bahwa produktivitas selalu menjelaskan setiap kejutan pengangguran. {source:frbsfOkunSurprise2009}

Perekrutan dan PHK tidak selalu mengikuti pesanan atau produksi pada kuartal yang sama. Manajer mungkin menunggu sebelum membuka posisi, memperpanjang jam kerja staf yang ada, atau mengurangi jam sebelum melakukan PHK. Setelah penjualan pulih, perusahaan bisa menaikkan jam kerja dahulu lalu merekrut ketika yakin pemulihan bertahan. Karena jeda seperti ini, perbandingan kuartal-ke-kuartal dapat terlihat berbeda dari perbandingan tahunan atau rata-rata beberapa tahun.

Resesi dan pemulihan juga tidak selalu cermin satu sama lain. Dalam masa penurunan yang cepat, pengangguran mungkin naik setelah output mulai melemah. Pada pemulihan, output dapat pulih sebelum perekrutan, atau sebaliknya perusahaan cepat memanggil kembali pekerja. Analisis Federal Reserve Bank of San Francisco tentang penyimpangan dari Hukum Okun membandingkan data waktu nyata dengan data yang direvisi; revisi mengubah sebagian kesan bahwa hubungan itu tiba-tiba runtuh. Penulis juga menunjukkan bahwa penyimpangan sementara muncul pada episode siklus bisnis lain. {source:frbsfOkunDeviations2014}

Koefisien yang diestimasi dapat berbeda menurut negara, wilayah, sektor dominan, karakteristik angkatan kerja, periode, definisi PDB, frekuensi data, dan cara menghitung pertumbuhan. Pasar kerja dengan jam kerja fleksibel mungkin menyesuaikan jam lebih dulu, sedangkan pasar lain menyesuaikan jumlah pekerja. Perubahan partisipasi angkatan kerja atau migrasi dapat memengaruhi angka pengangguran. Riset Federal Reserve Bank of St. Louis melaporkan variasi hubungan di tingkat negara bagian dan wilayah Amerika Serikat, sehingga satu angka nasional tidak harus menggambarkan tiap wilayah. {source:frbStLouisOutputUnemployment2013}

Selain itu, potensial output dan pengangguran acuan adalah besaran yang diperkirakan. Tidak ada alat ukur yang mengamati secara langsung berapa output yang bisa dipertahankan tanpa tekanan yang tidak diinginkan, atau berapa tingkat pengangguran “normal”. Metode statistik, revisi data, dan asumsi yang berbeda dapat mengubah garis potensial atau tingkat acuannya. Karena itu, nilai kesenjangan masa lalu pun dapat berubah saat estimasi diperbarui. Pidato Federal Reserve tentang pengukuran output potensial menekankan bahwa metode yang masuk akal dapat menghasilkan estimasi berbeda. {source:frbMishkinPotentialOutput2007}

Hukum Okun menggambarkan gerak bersama rata-rata, bukan eksperimen yang mengisolasi satu penyebab. Produksi dapat memengaruhi kebutuhan pekerja, tetapi perubahan tenaga kerja, produktivitas, kebijakan, permintaan, dan guncangan lain juga dapat memengaruhi output. Jika dua variabel bergerak berdekatan dalam sampel tertentu, hal itu belum menjelaskan arah sebab-akibat atau memastikan pola akan berulang.

Data ekonomi juga direvisi. Angka PDB awal didasarkan pada informasi yang belum lengkap dan dapat berubah; survei tenaga kerja memiliki definisi dan ketidakpastian pengukurannya sendiri. Karena itu, analis yang menggunakan data tersedia saat itu dapat memperoleh kesan berbeda dari analis yang melihat seri yang telah direvisi. Kajian Federal Reserve Bank of San Francisco menunjukkan bahwa revisi data dapat mengubah interpretasi episode resesi Amerika Serikat. Hubungan ini dapat menjadi alat bantu perkiraan, tetapi setiap ramalan perlu menyebut asumsi, horizon, dan rentang ketidakpastian. {source:frbsfOkunDeviations2014}

Saat melihat grafik, perkiraan, atau pernyataan seperti “pertumbuhan sekian menurunkan pengangguran sekian”, tanyakan dulu persamaannya: apakah bentuk pertumbuhan atau bentuk kesenjangan? Pastikan variabel dan satuannya sama. Apakah PDB riil tumbuh dari kuartal sebelumnya, dibandingkan tahun lalu, atau diukur terhadap tren? Apakah perubahan pengangguran dinyatakan dalam poin persentase? Untuk versi kesenjangan, bagaimana output potensial dan tingkat pengangguran acuannya diperkirakan? Apakah yang dipakai tingkat pengangguran standar atau ukuran kelonggaran yang lebih luas?

Periksa juga periode, frekuensi, geografi, sampel, serta versi data yang digunakan. Apakah angka itu berasal dari Amerika Serikat, suatu wilayah, atau negara lain? Apakah periode tersebut mencakup resesi atau pemulihan? Apakah data waktu nyata atau sudah direvisi? Untuk memahami konsep yang berkaitan, baca kesenjangan output dan PDB potensial, tingkat pengangguran U-3 dan U-6, serta PDB nominal dan riil. Ketiganya membantu memeriksa apakah klaim membandingkan ukuran yang setara.

Jika definisi, tanda, dan horizon tidak dijelaskan, koefisien yang dikutip belum cukup untuk memprediksi perubahan pengangguran. Perlakukan Hukum Okun sebagai ringkasan empiris yang bersyarat: ia membantu mengajukan pertanyaan tentang hubungan output dan pasar kerja, sementara jawaban kuantitatif bergantung pada data dan konteksnya.